信息论坛（第6场）

时间：2018年1月17日下午15：30          

地址：任天堂 ポーカー怀远校区金波楼任天堂 ポーカー410            

报告人：余振华博士2011年在中国科学技术大学（USTC）获得电子信息科学与技术理学学士学位，并于2016年获得USTC生物医学工程博士学位。2016年底加入华为西安研究所，从事大数据算法方面的预研工作，并开展了金融风控领域机器学习平台的应用研究。2017年10月作为引进人才加入任天堂 ポーカー从事教学科研工作。余振华博士目前的主要研究方向包括生物信息学、生物医学信号处理、统计机器学习和深度学习，尤其是大规模测序数据的高效分析算法方面的研究。参与了多项研究课题，以第一作者身份在Bioinformatics、Nucleic Acids Research等国际顶级期刊上发表过高水平学术论文。  

报告题目：统计机器学习中的参数估计方法及其应用

摘要1）统计机器学习中的参数估计算法。主要介绍最大似然估计和最大后验概率方法及其在逻辑回归中的应用。

2）数据中存在隐变量时最大似然估计的求解算法。主要介绍EM算法的理论及其在高斯混合模型和隐马尔科夫模型中的应用。

3）机器学习模型的通用表示形式。介绍基于PMML标记语言的模型表示形式。  

报告人：刘昊，博士，宁夏西吉人，毕业于清华大学自动化系，本科和硕士分别就读于四川大学和中国科学院大学，博士期间主要从事基于深度学习的人脸图像分析技术研究。近年来在国际学术期刊及会议上已发表和录用第一作者学术论文共8篇，其中包括中科院JCR一区SCI期刊一篇和CCF A类期刊3篇。清华大学2017年研究生国家奖学金获得者。研究成果“基于深度学习的人脸年龄估计”入选国际会议FG的博士生论坛环节，并受邀在美国华盛顿做口头报告和海报展示。此外，将于2018年5月以第一报告人在国际会议FG上做“基于表示学习的人脸对齐与识别”全英文专题讲座。

报告题目：基于深度神经网络的人脸关键点检测

摘要：人脸是自然界一种普适的生物特征，基于人脸分析的智能感知技术对于人与人的社会交往和人与计算机的交互有着重要的研究价值。人脸关键点用于描述人脸面部形状轮廓的控制点和局部特征，因此，精准高效的人脸关键点检测技术是人脸分析的基础和前提。近年来，深度神经网络通过多层非线性结构学习高层语义特征表示，被成功应用于各类计算机视觉处理任务。基于深度模型的人脸关键点检测方法在约束条件下性能表现出色，但受头部姿态和不同表情差异以及遮挡等因素的影响，其性能在自然条件下仍不理想。针对于这一难题和挑战，提出了基于深度神经网络的人脸关键点检测方法，算法在主要评测数据库上取得良好的效果，有效提升了算法在大姿态变化、剧烈表情和强遮挡下的鲁棒性。